Trong học máy, để giảm số chiều của dữ liệu mà vẫn giữ được các đặc trưng quan trọng, ta thường sử dụng phương pháp nào?

A. Mức độ quan trọng của mỗi đặc trưng trong việc xác định kết quả dự đoán của mô hình.

B. Tốc độ mà mô hình học từ dữ liệu huấn luyện, tỉ lệ cập nhật các tham số của mạng neural.

C. Số lượng lớn nhất của mẫu dữ liệu được sử dụng trong một epoch.

D. Số lượng mẫu dữ liệu được sử dụng để đánh giá hiệu suất của mô hình trong quá trình huấn luyện.

A. Một phương pháp để tối ưu hóa các tham số của mô hình.

B. Một hàm mất mát thường được sử dụng trong bài toán phân loại, đo lường sự khác biệt giữa dự đoán và giá trị thực tế.

C. Một phương pháp để chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural.

D. Một hàm mất mát thường được sử dụng trong bài toán hồi quy, tính toán bình phương của sự chênh lệch giữa dự đoán và giá trị thực tế.

A. Một kỹ thuật sử dụng để giảm kích thước của dữ liệu đầu vào.

B. Một phương pháp tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu.

C. Một kỹ thuật chính regularize trong mạng neural network bằng cách ngẫu nhiên loại bỏ một số đơn vị trong quá trình huấn luyện.

D. Một phương pháp để chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural.

A. Một kỹ thuật chia tập dữ liệu thành các tập con để đánh giá hiệu suất của mô hình.

B. Một phương pháp để chọn lọc các đặc trưng quan trọng từ dữ liệu.

C. Một phương pháp để xử lý dữ liệu bị thiếu.

D. Một phương pháp để giảm kích thước của dữ liệu đầu vào.

A. Số lượng mẫu dữ liệu được sử dụng để cập nhật các tham số của mô hình trong mỗi lần lặp.

B. Số lượng lớp trong một mô hình neural network.

C. Số lượng neurons trong một lớp của mạng neural.

D. Số lượng epochs được sử dụng trong quá trình huấn luyện.

A. Sự chệch của mô hình so với dữ liệu thực tế.

B. Một thành phần của mô hình thể hiện độ phức tạp của nó.

C. Sự phù hợp của mô hình với dữ liệu huấn luyện.

D. Sự không ổn định của mô hình khi áp dụng cho dữ liệu mới.

A. Học có giám sát

B. Học không giám sát

C. Học tăng cường

D. Học bán giám sát